Cartographier le carbone stocké dans la végétation

13 Pages·2013·3.77 MB·French

BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2) 35
STOCKAGE DU CARBONE
Solen Le Clec’h1
Johan Oszwald1, 2
Nicolas Jégou3
Simon Dufour1
Pierre-André Cornillon3
Izildinha Miranda4
Cartographier le carbone stocké
Luiz Gonzaga4
Michel Grimaldi5
dans la végétation :
Valery Gond6
Xavier Arnauld de Sartre7
perspectives pour la spatialisation
1Université européenne
de Bretagne- Rennes 2
Laboratoire Letg Rennes - Costel d’un service écosystémique
(Umr Cnrs 6554)
5, place Henri Le Moal
Rennes
France
2 Université de Rouen
Laboratoire Ecodiv (Upres-Ea 1293)
76821 Mont-Saint-Aignan
France
3 Université européenne
de Bretagne - Rennes 2
Département de mathématiques
appliquées aux sciences sociales
5, place Henri Le Moal
Rennes
France
4 Universidade Federal Rural
da Amazonia (Ufra)
Av. Presidente Tancredo Neves, 2501
66077-530 Belém, Pará
Brésil
5 Institut de recherche pour
le développement (Ird)
Umr 211 Bioemco
Centre Ird France-Nord
32, avenue Henri Varagnat
93143 Bondy Cedex
France
6 Cirad
Upr Bsef, Biens et services des
écosystèmes forestiers tropicaux
Campus international de Baillarguet
34398 Montpellier Cedex 05
France
7 Centre national de la recherche
scientifique (Cnrs)
Umr 5603 Set
Université de Pau et des Pays
de l’Adour
64000 Pau
France
Pâturages bovins parsemés de palmiers.
Photo J. Oszwald.
S. Le Clec’h, J. Oszwald, N. Jégou,
36 BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2)
S. Dufour, P.-A. Cornillon,
CARBON STOCK
I. Miranda, L. Gonzaga, M. Grimaldi,
V. Gond, X. Arnauld de Sartre
RÉSUMÉ ABSTRACT RESUMEN
CARTOGRAPHIER LE CARBONE STOCKÉ MAPPING CARBON STOCKS IN CARTOGRAFIAR EL CARBONO
DANS LA VÉGÉTATION : PERSPECTIVES VEGETATION: PROSPECTS FOR THE ALMACENADO EN LA VEGETACIÓN:
POUR LA SPATIALISATION D’UN SERVICE SPATIALISATION OF AN ECOSYSTEM PERSPECTIVAS PARA LA ESPACIALIZACIÓN
ÉCOSYSTÉMIQUE SERVICE DE UN SERVICIO ECOSISTÉMICO
Les grands programmes internationaux Major ecosystem observation programmes Los grandes programas internacionales de
d’observation des écosystèmes, tels que le such as the Millennium Ecosystem Assess- observación de los ecosistemas, como
Millenium Ecosystem Assessment (Mea), ment (MEA), REDD (Reducing Emissions Millenium Ecosystem Assessment (MEA) y,
puis Redd (Réduction des émissions liées à from Deforestation and forest Degrada- posteriormente, REDD (Reducción de Emi-
la déforestation et à la dégradation des tion) and subsequently REDD+, recom- siones de la Deforestación y Degradación
forêts) et Redd+, préconisent le développe- mend the development of approaches de bosques) y REDD+, recomiendan el des-
ment des approches permettant de quanti- capable of quantifying and spatialising arrollo de enfoques que permitan cuantifi-
fier et de spatialiser les services écosysté- ecosystem services to support the imple- car y espacializar los servicios ecosistémi-
miques afin de mettre en œuvre des pra- mentation of more appropriate environ- cos (SE) para implementar las prácticas y
tiques et des politiques de gestion environ- mental management practices and poli- políticas de manejo ambiental más adapta-
nementale plus adaptées. La cartographie cies. Ecosystem service mapping could das. Así pues, la cartografía de los SE apa-
des services écosystémiques apparaît ainsi thus become an important tool for high- rece como una importante herramienta en
comme un outil majeur des espaces à forts priority areas in terms of the environment. los espacios que enfrentan fuertes desafíos
enjeux environnementaux. Cependant, elle However, the approach still has a number ambientales. No obstante, esta herra-
souffre encore de certaines limitations. C’est of limitations, for example as regards car- mienta tiene aún ciertos límites como la
le cas du stock de carbone dans la biomasse bon stocks in plant biomass. This ecologi- cuantificación de las existencias de car-
végétale. À l’échelle d’une localité d’Amazo- cal function was mapped on the scale of a bono en la biomasa vegetal. Esta función
nie brésilienne de 175 km², cette fonction 175 km² locality in the Brazilian Amazon, ecológica se cartografió con una resolución
écologique a été cartographiée avec une to a spatial resolution of 30x30m. In order espacial de 30x30m a escala de una locali-
résolution spatiale de 30 x 30 m. Afin de to quantify the carbon stocks, measure- dad de la Amazonia brasileña de 175 km².
quantifier ces stocks, des mesures de bio- ments of tree and shrub biomass in 45 dif- Para cuantificar dichas existencias, se
masse arborée et arbustive au sein de ferent “points” were used together with emplearon mediciones de la biomasa arbó-
45« points » et des données géographiques geographical data obtained by remote rea y arbustiva en 45 “puntos”, así como
obtenues par télédétection sont mises en sensing. To do so, two statistical methods datos geográficos obtenidos mediante tele-
jeu. Pour cela, deux méthodes statistiques were tested: the decision tree method and detección. Para ello, se utilizaron dos méto-
sont testées : l’arbre de décision et la multiple linear regression. The statistical dos estadísticos: el árbol de decisión y la
régression linéaire multiple. Les résultats results from each of these methods are regresión lineal múltiple. Se presentan los
statistiques de chacune de ces méthodes described here to show their advantages resultados estadísticos de ambos métodos
sont présentés, permettant d’en compren- and disadvantages. Tests of the data para poder comprender sus ventajas e
dre les intérêts et les inconvénients. La qua- adjustment quality of each model showed inconvenientes. Se probó la calidad de
lité d’ajustement de ces modèles est testée. that while the decision tree method pro- ajuste de estos métodos y, si bien el árbol
Si l’arbre de décision décrit mieux le rôle duces a better description of the role of de decisión describe mejor el papel de las
des variables explicatives, la régression explanatory variables, multiple linear variables explicativas, la regresión lineal
linéaire multiple permet une prédiction regression is much more effective as a pre- múltiple permite una predicción mucho
beaucoup plus efficace. Elle rend alors dictive tool as it gives a better picture of más eficaz, ya que refleja mejor la variabili-
davantage compte de la variabilité spatiale spatial variability for each type of land use. dad espacial dentro de cada tipo de ocupa-
au sein de chaque type d’occupation du sol. This method reveals terrain-specific phe- ción de suelo. Este método pone de mani-
Cette méthode fait apparaître à l’échelle de nomena on the scale of a single farm, thus fiesto, a escala de la explotación agrícola,
la ferme des phénomènes spécifiques au allowing the result of an ecological process una serie de fenómenos específicos del
territoire étudié. Cela permet de retranscrire to be transcribed simply while also relating territorio estudiado. Esto permite plasmar
simplement le résultat d’un processus éco- it to human activities. This study thus illus- sencillamente el resultado de un proceso
logique tout en le mettant en relation avec trates the importance of methodological ecológico vinculándolo al mismo tiempo
les activités anthropiques. Cette étude per- choices in mapping a given process. con las actividades antrópicas. Este estudio
met donc d’illustrer l’importance des choix permite poner de relieve la importancia de
méthodologiques afin d’obtenir la cartogra- Keywords: ecosystem services, physical la elección metodológica para obtener la
phie d’un processus. processes, carbon stocks, mapping, sta- cartografía de un proceso.
tistical model, Brazilian Amazon.
Mots-clés : services écosystémiques, Plabras clave: servicios ecosistémicos,
processus physiques, stocks de carbone, procesos físicos, existencias de carbono,
cartographie, modèle statistique, Ama- cartografía, modelo estadístico, Amazo-
zonie brésilienne. nia brasileña.
BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2) 37
STOCKAGE DU CARBONE
Introduction
L’Amazonie brésilienne est une région où les enjeux en
termes de biodiversité sont bien connus (PAVÉ,2010), ce qui
en a fait un emblème des politiques de conservation de la
biodiversité depuis les années 1980. Les espaces forestiers
amazoniens rendent également un grand nombre de ser-
vices aux sociétés : ils fournissent du bois de chauffage et de
construction, jouent un rôle dans les cycles de l’eau et du
carbone... Or l’Amazonie brésilienne est devenue, depuis les
années 1970, une des régions du globe à connaître des taux
de déforestation parmi les plus élevés (LÉNA, 1999 ; EVANS
et al., 2001 ; FEARNSIDE, 2005). Les activités de déboise-
ment ont pour but la mise en valeur de nouvelles terres par
l’élevage et l´agriculture. Les conséquences sur le milieu ne
sont donc pas négligeables, que ce soit sur les écosystèmes,
Bas-fonds. En saison des pluies, les pâturages alentour
leurs fonctionnements ou les processus associés. sont inondés. Cette photo offre un aperçu de la diversité
Dans un contexte de déforestation, un des services paysagère de la zone.
écosystémiques les plus mis en avant par les organismes Photo S. Le Clec’h.
internationaux est la régulation du climat via la capacité des
écosystèmes à séquestrer le carbone. Le service de séques-
tration du carbone présente de forts enjeux puisque la végé- d’occupation du sol, permettrait de mieux expliquer et quan-
tation des écosystèmes terrestres stocke plus de carbone tifier le phénomène étudié, sans le simplifier.
que l’atmosphère, et ce particulièrement dans les forêts tro- L’objectif de cet article est donc de cartographier le
picales (SILVERet al., 2000). Les végétaux absorbent ainsi stock de carbone dans la biomasse arborée et arbustive à
une partie du dioxyde de carbone contenu dans l’atmo- l’échelle locale (175 km²) avec une précision spatiale de
sphère pour assurer leur activité photosynthétique. Ce pro- 30 x 30 m, niveau de précision rarement atteint dans la lit-
cessus de séquestration est de mieux en mieux appré- térature. Cet objectif nécessite de résoudre deux questions
hendé, comme en témoigne la multiplication des dispositifs méthodologiques importantes : celle des données d’entrée
internationaux visant à protéger les espaces considérés et celle des modèles statistiques à utiliser. Deux méthodes
comme des puits de carbone, notamment les régions fores- sont testées afin de modéliser les stocks de carbone mesu-
tières afin que celles-ci n’en deviennent pas des sources. rés sur le terrain : la régression linéaire et l’arbre de déci-
De fait, la question du stock de carbone dans la végétation sion. Ces deux modèles ont été retenus notamment du fait
est souvent traitée dans les études scientifiques (BROWN, de leur capacité à prédire des valeurs quantitatives (stock
1997). Les représentations cartographiques associées, bien de carbone) à partir de données d’entrées quantitatives et
que plus rares, se multiplient également, d’autant que des qualitatives (CORNILLONet al., 2010).
dispositifs internationaux tels que Redd (Reducing Il est important de noter que cette étude vise à cartogra-
Emissions from Deforestation and forest Degradation) en phier le stock de carbone et non son stockage. La différence
préconisent le développement. est importante. En effet, le stock décrit un état, résultant de la
La plupart des approches utilisent l’occupation du sol : photosynthèse, et non un processus dynamique réalisant le
typologie de l’occupation des sols spatialisée par télédétec- service écosystémique lui-même. Si certaines études choisis-
tion (PONCE-HERNANDEZ, 2007 ; HAPSARI, 2010) etinven- sent de quantifier les stocks de carbone en valeurs écono-
taires forestiers (FUKUDAet al., 2012). Les auteurs appliquent miques, la cartographie réalisée ici se fonde sur une analyse
des équations allométriques fondées sur la mesure des biophysique avec le recours à des unités ayant écologique-
arbres, notamment de la fermeture de la canopée (NELSONet ment un sens (NAIDOOet al., 2008 ; RUTLEDGE et al., 2010).
al, 1998 ; WAUTERSetal., 2007). La prédominance de l’occu- Il s’agit donc de la quantité de carbone stocké dans la bio-
pation du sol comme donnée d’entrée s’explique par plu- masse arborée et arbustive à un instant t. Ce stock est sus-
sieurs facteurs. En effet, l’occupation du sol semble être un ceptible de connaître d’importantes variations dans l´espace
bon indicateur des variations dans le stock de carbone de la et dans le temps, en fonction des usages, permettant ainsi de
biomasse végétale puisque celui-ci est sensible à l’occupa- préciser l’importance du déstockage (à partir de la forêt pri-
tion et la mise en valeur des sols. De plus, cette donnée est maire) ou du stockage (par exemple, depuis les pâturages
facile à acquérir par les outils satellitaires. De fait, le jusqu´aux forêts secondaires). Les cartographies du stock de
Millenium Ecosystem Assessment (Mea), en soulignant l’im- carbone peuvent trouver une application dans le contexte de
portance de cet indicateur dans l’estimation de la dégrada- dispositifs tels que Redd et Redd+ dans la mesure où elles
tion des services écosystémiques, préconise son utilisation. fournissent un état des lieux de la quantité de carbone pré-
Malgré tout, il peut être envisagé que d’autres facteurs puis- sent dans la végétation. Cela en fait un outil indispensable
sent intervenir dans les variations du taux de carbone stocké. pour développer une approche critique des nouveaux outils
Un jeu de données plus complet, à la fois plus diversifié en de gestion des territoires comme les paiements pour des ser-
termes de variables explicatives et plus précis en termes vices écosystémiques.
38 BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2)

CARBON STOCK
Données
A B Roraima
Nord
Boa vista
Amapa Deux jeux de données différents
Macapa ont été utilisés pour construire le
Zone d'étude Para Bélém modèle de prévision du stock de car-
Manaus Sao Luis bone dans la biomasse arborée et
Amazonas
Maranhao arbustive : les données relevées in situ,
Maraba
qui constituent la variable à expliquer,
Brasilia
et les données obtenues par télédétec-
Rio Branco Porto Velho Palmas tion qui sont des variables explicatives
Rondônia
Acre Mato Grosso (tableau I). Un modèle prédictif est
Front de déforestation Tocantins construit à partir des données obser-
principal
Routes principales vées et a été utilisé pour inférer les
Arrière du front de Cuiaba
déforestation 500 km Zone d'étude 200 km valeurs de carbone stocké sur la zone
de Pacajá à partir des seules données
C DD 11999900 22000077 de télédétection. Les variations locales
sont potentiellement importantes et
l’information se doit alors d’être la plus
détaillée possible (BURKHARD et al.,
2009). Du fait de l’utilisation d’images
satellites Landsat TM et du modèle
Altamira
numérique de terrain Aster (Mnt ; réso-
lution 30 x 30 m), l’unité de base de la
carte correspond à un pixel de 900 m².
Les données in situproviennent
de campagnes de terrain effectuées en
2007-2008 sur le site de Pacajá.
L’échantillon comprend neuf fermes
sélectionnées de manière à représenter
les différents types d’exploitations pré-
sents sur le site (figure 2). Pour chacune
3 km
des fermes échantillonnées, un transect
Figure 1.
A. Carte du Brésil – en gris apparaissent les régions amazoniennes. B. Carte de a été défini. Sur celui-ci, cinq points
l’Amazonie brésilienne légale avec ses différents États – en gris plus sombre d’échantillonnage ont été positionnés à
apparaît la région de Pacajá. C. Carte de la région de Pacajá autour de la intervalle régulier, à environ 200 m les
transamazonienne – image Landsat Thematic Mapper (TM) fausse couleur de
uns des autres (OSZWALDet al., 2011).
2007, rouge / proche infrarouge (PIR) / moyen infrarouge (MIR) – et localisation
Suite à une analyse statistique prélimi-
de la zone d’étude. D. Images Landsat TM de 1990 et de 2007 de la zone d’étude
(rouge/PIR/MIR). naire, seuls 43 points sont utilisés, deux
d’entre eux présentant des valeurs
considérées comme aberrantes.
Zone d’étude
Les 43 points de données informent sur la nature et la
composition chimique des sols, sur la végétation, sa bio-
masse et le stock de carbone. En chacun de ces points, la
Le site de Pacajá, sélectionné pour l’étude, appartient à biomasse épigée des arbres (diamètre à hauteur de poi-
la région de la Transamazonienne (État du Pará en Amazonie trine, dbh≥10cm) et des arbustes (dbh < 10 cm et hauteur
brésilienne ; figures 1A et 1B). Celle-ci constitue une des zones > 2 m) a été évaluée par l´intermédiaire d´équations allomé-
forestières où la déforestation est particulièrement rapide ces triques disponibles pour les forêts (HIGUCHIet al., 1998 ;
vingt dernières années (ARNAULD DE SARTRE, BERODULAY, GERWING, 2002) et les jachères (NELSON et al., 1998),
2011). Le front de déforestation s’étend à partir de la route après mesure du diamètre et estimation de la hauteur de
fédérale BR 230 (aussi appelée Transamazonienne) et se déve- chaque plante sur des parcelles de 50 × 10 m2et 50 × 5 m2,
loppe le long de pistes secondaires dites en « arêtes de pois- respectivement, et mesure de la teneur en eau à 70 °C d’une
son » (c’est-à-dire qui, tous les cinq kilomètres, se déploient aliquote de biomasse correspondante (toutes les plantes de
de part et d’autre de la route principale ; figures 1C et 1D). Le dbh ≤ 5 cm ou dbh ≥ 5 cm) en appliquant le facteur 0,603
site étudié appartient au municípiode Pacajá et se situe le en accord avec HIGUCHIet al.(1998). En l´absence d´ana-
long d’une de ces pistes secondaires (la piste 338 Nord). Ce lyse de la teneur en carbone sur la végétation, le facteur 0,5
site connaît, comme la plus grande partie des marges orien- a été utilisé pour estimer la masse de carbone à partir de la
tales et méridionales de l’Amazonie, un taux de déforestation biomasse végétale sèche (MARKEWITZ et al., 2004). La
très élevé avec l’installation de colons agricoles qui pratiquent masse de carbone est exprimée en mégagrammes par hec-
essentiellement l’élevage bovin. tare (Mg/ha) ou en tonnes par hectare.
BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2) 39
STOCKAGE DU CARBONE
Tableau I.
Récapitulatif des variables utilisées dans les analyses statistiques.
Type de variable Nom Sources
Varibles à expliquer Stock de carbone dans la végétation Relevés de terrain
arborée et arbusive (Mg/ha)
Variables explicatives Occupation des sols : Images Landsat TM (30 x 30 m)
- historique (1986-2007) Traitement à partir des bandes rouge, proche infrarouge,
- actuelle moyen infrarouge
Mnt et ses dérivés : Mnt Aster (30 x 30 m)
- altitude (m) Traitement sous ArcGis 9.2 et 9.3 avec les extensions
- pente (%) Spatial Analyst et Corridor Designer
- topographie
- distance à l’eau (m)
Les réserves de carbone stocké
dans la biomasse arborée et arbus-
tive étant étroitement liées aux condi-
tions environnementales, les varia-
bles explicatives choisies ont été
construites à partir de données obte-
nues par télédétection renseignant
donc l’occupation du sol (dynamique
spatio-temporelle) et la topographie.
!!!!! Elles sont issues du traitement des
images Landsat TM de 1986, 1996,
!!!!! 2001 et 2007 effectué sous Envi,
ainsi que du traitement du Mnt Aster
réalisé sous ArcGis 9.2. Ces données
sont connues pour l’ensemble du site
de Pacajá (OSZWALDet al., 2012).
! !!!!
L’ensemble des données spatialisées
!!!!!
obtenues par télédétection ont été
Point échantillonné
!!!!! extraites pour les 43 individus rensei-
Limites de fermes
gnés in situ, complétées des caracté-
ristiques topographiques dérivées du
!!!!! Occupation du sol
Mnt Aster (altitude, pente, topogra-
Forêt (F)
phie et distance à l’eau), de l’occupa-
Forêt brûlée (FB)
tion des sols pour l’année la plus
Juquira Capoeira (JC)
!!!!! récente, mais aussi de manière
Pâturage avec ligneux (PL)
rétrospective (1986-2007).
!!!!! Pâturage propre (PP)
Les données de topographie
!!!!! Sol nu (SN) renseignent sur l’altitude en mètres,
en tout point de la zone d’étude. Les
altitudes de la zone de Pacajá s’éche-
lonnent de 13 à 359 m. Les pentes
synthétisent la différence d’altitude
Nord entre deux pixels adjacents et sont
fournies en pourcentage. Ces deux
variables sont quantitatives et sont
0 700 mètres
traitées comme des données brutes
continues. La variable « topogra-
Figure 2.
phie » correspond à une caractérisa-
Occupation du sol du site de Pacajá et répartition spatiale
tion synthétique du contexte topo-
des 45 points échantillonnés sur le terrain.
graphique comprenant quatre
40 BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2)

CARBON STOCK
Pâturage propre (PP)
Forêts (F) Juquira / capoeira (JC)
Sol nu (SN)
Forêt brûlée (FB) Pâturage avec ligneux (PL)
Figure 3.
Typologie des éléments paysagers caractérisée à partir de l’analyse des images satellites entre 1990 et 2007. Deux types de forêt
ont été représentés, la forêt exploitée (photo du haut) et la forêt dense (image du bas). La capoeira(image du haut) est une jachère
dominée par les herbacées alors que dans la juquira(image du bas) la strate arbustive puis arborée domine.
modalités : fonds de vallée, sommets de colline, zones de concordance avec la dynamique de l’occupation des sols. La
fortes pentes et zones de faibles pentes. Enfin, le Mnt a per- classe 3 présente une rupture par rapport aux deux classes
mis de déduire une cartographie du réseau hydrographique précédentes. En effet, l’emprise agricole sur la ferme est plus
et ensuite de déterminer une distance aux cours d’eau (0 à précoce et les dynamiques agricoles sont beaucoup plus
100 m, 100 à 200 m, 200 à 300m, 300 à 500 m et plus de intenses à partir des années 2000. La classe 4 correspond à
500 m). L’envergure des cours d’eau n’est pas prise en des fermes exploitées antérieurement aux années 1990 avec
compte puisqu’il n’y a pas de différence de taille entre les une forte emprise agricole le long du réseau de pistes. Enfin,
cours d’eau de la zone d’étude. la classe 5 correspond à une dynamique agricole d’élevage
Par ailleurs, l’analyse et le traitement des images satel- extensif. Cette donnée paraît particulièrement intéressante
lites Landsat TM ont également permis de déterminer six pour déterminer l’impact des dynamiques paysagères sur le
types d’occupation des sols pour 2007 (figure 3). De plus, la stock de carbone relevé en 2007, particulièrement dans un
cartographie des types d’occupation des sols a également contexte de front de déforestation actif.
été étendue à l’ensemble des images satellites du jeu de
données (de 1986 à 2007). Méthodes
À partir des cartes d’occupation des sols obtenues
pour les quatre dates, cinq classes de trajectoires d’occupa-
tion des sols ont été déterminées (figure 4 ; OSZWALDet al., D’un point de vue statistique, la démarche consiste à
2012). La classe 1 représente une structure homogène et construire un modèle en croisant des données de télédétec-
forestière. La classe 2 correspond à des couvertures du sol tion et des observations de terrain, le but étant ensuite
avec quelques évolutions agricoles fortement polarisées par d’utiliser ce modèle pour prédire les quantités de carbone
la proximité au réseau de pistes. Une variable de distance au stocké à partir des seules données de télédétection. Les
réseau de pistes n’est pas retenue du fait de leur forte valeurs prédites sont alors utilisées dans un système d’in-
Dynamique générale Représentation graphique des modes
des fermes d'appropriation spatio-temporelle des fermes
100%
Classe A Ferme en phase de brûlis récent 6800%%
Pas de mise en culture 40%
200%% y1990 y1994 y1998 y2002 y2007 1990 Piste 2007
100%
Classe B FerMmies ee ne np hcauslteu rdee m barûrgliisn arélecent 468000%%%
20%
0% y1990 y1994 y1998 y2002 y2007 1990 2007
100%
Ferme brûlée partiellement depuis 1990 80%
Classe C Mise en culture marquée en 2007 4600%%
20%
0% y1990 y1994 y1998 y2002 y2007 1990 2007
Ferme brûlée depuis 1990 100%
80%
Classe D Mise en culture depuis 1990, 4600%%
marquée en 2007 20%
0% y1990 y1994 y1998 y2002 y2007 1990 2007
Ferme brûlée depuis 1990 18000%%
Classe E Mise en culture depuis 1990, 60%
40%
très marquée en 2007 20%
0% y1990 y1994 y1998 y2002 y2007 1990 2007
Forêt dense Forêt brûlée Broussaille Capoeira - Juquira Pâturage avec ligneux Pâturage propre Sol nu
Figure 4.
Présentation des cinq classes de dynamique d’occupation
des sols observées à l’échelle des points entre 1990 et 2007.
BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2) 41
STOCKAGE DU CARBONE
formation géographique (Sig) afin d’obtenir une cartogra- par le modèle confèrent ainsi un poids à chacune des varia-
phie de la zone. Cette modélisation a deux objectifs. D’une bles selon leur influence. L’estimation du modèle complet
part, elle vise à expliquer les variations du stock de carbone montre que plusieurs paramètres sont significativement dif-
à partir des données sélectionnées. Construire le modèle férents de 0 (annexe 1). Cela révèle que certaines variables
consiste en effet à sélectionner de manière objective cer- n’influencent pas de manière significative la variable stock
taines variables, à estimer ensuite les paramètres, afin de de carbone. Une procédure de choix de variables a ainsi été
comprendre les facteurs influençant les processus écolo- mise en place. Le principe de cette procédure consiste à
giques mis en jeu. D’autre part, en prédisant des valeurs sur satisfaire à un critère qui réalise un compromis entre la qua-
l’ensemble de la localité, le modèle permet d’obtenir une lité de l’ajustement (mesurée par la variance résiduelle) et
cartographie pour l’ensemble d’un secteur à partir de un nombre raisonnable de variables. Formellement, le cri-
quelques points d’échantillonnage. Pour modéliser une tère s’écrit sous la forme générale : variance résiduelle + ø
variable quantitative à partir de variables qualitatives et (nombre de paramètres).
quantitatives, les méthodes les plus répandues sont les La variance résiduelle (écart quadratique moyen entre
arbres de régression (algorithme Classification And valeurs prédites et valeurs observées) diminue mécanique-
Regression Trees ; Cart) et la régression linéaire multiple. ment lorsque l’on ajoute des variables au modèle : chercher
Les deux ont été mises en œuvre et comparées par à la minimiser conduira toujours à retenir le modèle com-
validation croisée. Le principe de la validation croisée plet. Le second terme au contraire est une fonction crois-
consiste à séparer l’ensemble des données en un échan- sante du nombre de variables. Le modèle minimisant un cri-
tillon d’apprentissage sur lequel on construit chaque tère de ce type réalise donc un équilibre entre fidélité aux
modèle et un échantillon test sur lequel le modèle est appli- données et pénalisation d’un trop grand nombre de varia-
qué pour prédire les quantités de carbone stocké. Une bles. Plusieurs formulations existent pour la fonction ø défi-
erreur de prévision mesurant l’écart entre les valeurs pré- nissant ainsi les critères associés. Les plus classiques sont
dites sur l’échantillon test et les valeurs observées sur le
terrain est calculée pour chaque modèle. Dans la procédure
mise en place, 39 individus sur 43 ont été tirés aléatoire- Annexe 1.
ment pour former l’échantillon d’apprentissage ; au total Estimation des paramètres du modèle complet
100 relances ont été faites, permettant ainsi de comparer en régression linéaire.
les vertus prédictrices des deux modèles via la confronta-
tion des erreurs de prévision cumulées.
Estimate Pr(>|t|)
Arbre de décision (Cart)
(Intercept) 226.0950 0.038629 *
Le principe d’un modèle par arbre de décision est de
Pente 2.5607 0.241878
partitionner l’espace des variables explicatives en différentes
classes qui ne se recouvrent pas ; classes au sein desquelles Altitude -0.1508 0.795615
la variabilité entre individus est faible du point de vue de la Trajectoire2 0.2653 0.644370
variable à expliquer (figure 5). Ainsi, des groupes d’individus Trajectoire4 61.4265 0.289195
homogènes pour la variable « stock de carbone dans la bio-
Trajectoire5 67.6601 0.384596
masse arborée et arbustive » sont formés, la valeur ajustée
OS2 -178.3472 0.000933 ***
correspondant à la moyenne des observations pour les indi-
OS3 -311.8502 0.000459 ***
vidus du groupe. La méthode standard consiste en l’applica-
tion d’un algorithme séquentiel fondé sur la méthode Cart OS4 -320.4483 0.000389 ***
(BREIMAN etal., 1984). Cet algorithme stoppe son partition- OS5 -298.71 0.000377 ***
nement lorsque le fait de rajouter des coupures n’apporte OS6 -225.76 0.000341 ***
plus une information significative supplémentaire. À l’issue
Topographie2 47.8119 0.448717
de la procédure, le partitionnement se fait uniquement avec
Topographie3 -13.017 0.787703
certaines variables. En ce sens, la procédure fait aussi office
Topographie4 2.9101 0.959920
de sélection de variables. L’un de ses avantages est qu’elle
propose une représentation du modèle retenu sous la forme Deau200 -13.9826 0.831082
d’un arbre facile à interpréter. Deau300 66.9702 0.389912
Deau500 16.4048 0.810746
Régression linéaire multiple
Deau90000 35.0445 0.596721
La régression linéaire multiple est une généralisation Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
de la régression linéaire simple. Le modèle est construit en Multiple R-squared: 0.6622
combinant linéairement les variables explicatives. Les para- p-value: 0.008035
Plusieurs paramètres sont non significativement différents de 0.
mètres estimés par moindre carré correspondent aux coeffi-
Certaines variables n’apportent aucune information. Cela justifie la
cients associés aux variables dans cette combinaison (COR- procédure de choix de variables.
NILLON, MATZNER-LOBER, 2011). Les paramètres estimés
42 BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2)

CARBON STOCK
Annexe 2.
Estimation des paramètres du modèle choisi après
sélection de variables en régression linéaire.
Résultats
Estimate Pr(>|t|)
L’estimation de la quantité de carbone stocké dans la
(Intercept) 281.15 6.43e-10 ***
biomasse arborée et arbustive et sa distribution statistique
OS2 -186.54 3.35e-05 ***
sont très proches quel que soit le modèle choisi (tableau II).
OS3 -278.36 5.75e-05 *** Les valeurs déterminées par les deux modèles sont en
OS4 -281.02 5.05e-05 *** moyenne plus élevées que celles obtenues par d’autres
OS5 -313.72 1.04e-05 *** auteurs concernant l’Amazonie brésilienne (sur d’autres
sites ou à des échelles spatiales différentes ; tableau III).
OS6 -232.87 7.22e-06 ***
En effet, le stock de carbone mesuré ici n’est pas uni-
Deau300 99.95 0.0115 *
quement celui de la biomasse arborée, comme dans la plu-
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 part des études qui ont déjà été réalisée, mais concerne éga-
Multiple R-squared: 0.6037 lement la biomasse arbustive, ce qui tend à mieux
p-value: 4.313e-06 appréhender le carbone stocké hors du sol. De plus, le jeu
de données utilisé dans cet article a permis une estimation
le critère Aic (Akaike’s Information Criterion ; AKAIKE, 1973), plus fiable de la quantité de carbone stocké car il ne se
le critère Bic (Bayesian Information Criterion ; SCHWARZ, fonde pas uniquement sur l’occupation du sol, notamment
1978) ou le critère C (MALLOWS, 1973). Le critère Aic est par la seule opposition « forêt / non-forêt ». Enfin, la plupart
p
d’ordinaire utilisé en régression non paramétrique, aussi ce des autres études sont menées à une échelle plus large, sou-
sont les deux autres critères qui ont été utilisés et ceux-ci vent régionale, ce qui pose un problème de cohérence dans
retiennent le même modèle (LIU, YANG, 2011 ; annexe 2). les échelles utilisées, puisque les processus physiques per-
Une fois les modèles réalisés, des valeurs sont pré- mettant d’expliquer le carbone stocké ont cours à des
dites pour l’ensemble de la zone de Pacajá et sont injectées échelles locales, voire à celle de l’arbre. Ainsi, plus le déca-
dans le Sig avec ArcGis 9.3 afin d’obtenir la cartographie lage d’échelle entre les données utilisées est important, plus
des quantités de carbone stocké dans la végétation. les risques d’induire des erreurs d’estimation sont élevés.
Tableau II.
Valeurs de carbone stocké dans la végétation arborée et arbustive obtenues par les deux modèles.
Modèle statistique Quantité totale (Mg) Quantité moyenne (Mg/ha) Quantité minimale (Mg/ha) Quantité maximale (Mg/ha)
Arbre de décision 46 657 360 234,5 0,31 295,0
Régression linéaire 42 405 547 213,1 0,00 381,1
Mg : million de grammes.
Tableau III.
Estimations des quantités de carbone stocké dans la végétation arborée et/ou arbustive dans d’autres études
menées sur l’Amazonie brésilienne.
Sources Echelle/site Quantité moyenne estimée
ACHARD et al.(2004) Amazonie brésilienne 186 t/ha
BROWN (1997) Amazonie brésilienne 186 t/ha
RICE et al.(2004) Forêt nationale du Tapajós, Pará, Brésil 143,7 Mg/ha
SALIMON et al.(2011) Acre, Brésil 246 Mg/ha
Mg : million de grammes. t : tonne.
BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2) 43
STOCKAGE DU CARBONE
Y
Arbre de décision
Le modèle par arbre de décision est simple puisqu’il
ne retient qu’une seule variable, l’« occupation du sol »
(figure 6). Les autres variables présentées préalablement
n’interviennent pas dans la prédiction du stock de carbone
pour cette zone.
La qualité d’ajustement du modèle mesurée par le R²
est de 51 %. Ce coefficient est significativement différent de X2
zéro et sa p-value vaut 4,313e-06. Le modèle distingue
d’abord les pixels de forêts des autres types d’occupation
des sols. Une seconde division apparaît dans cette dernière
catégorie où les valeurs de carbone sont significativement
différentes pour les sites arborés (forêts brûlées et jachères
X
et/ou friches) et les sites agricoles (pâturages et sols nus). 1
Cette distinction paraît évidente du fait que les forêts brû-
lées ont déstocké une grande partie du carbone ancienne-
Figure 5.
ment stocké sous l’action des brûlis successifs accomplis Représentation schématique du principe de l’arbre de
par les agriculteurs afin de mettre en place les futures décision avec X et X , des variables explicatives, et Y la
1 2
exploitations agricoles. variable à expliquer (les différentes couleurs représentent
les différentes classes issues du modèle).
Cependant, il est très intéressant de noter que ce fac-
teur est associé aux espaces de jachère et de friche. Les
pixels représentant les pâturages et les sols nus correspon- proprier. Ces analyses ont permis une première identification
dent à des zones fortement anthropisées et stockent envi- des données nécessaires à la construction d’un modèle
ron 1 000 fois moins de carbone que les pixels représentant explicatif et prédictif d’un processus environnemental à l’ori-
la forêt dense. Les quantités de carbone stocké dans les gine d’un service écosystémique de régulation climatique.
pixels correspondant à des zones liées à une dégradation
forestière moins avancée (forêts brûlées et friches) repré- Résultats cartographiques
sentent environ le tiers des quantités stockées par rapport
aux forêts denses. Pour chacun des deux modèles proposés, la cartogra-
phie de la localité de Pacajá ainsi que celle de trois fermes
Régression linéaire multiple sélectionnées de par leur situation géographique sont pré-
sentées (une au Nord, une au Centre et une au Sud) (figure 7).
La procédure de sélection de variables, implémentée
sous R, conduit à garder le modèle retenant deux variables :
« occupation du sol » et « distance à l’eau (plus de 300 m) » OS
|
(annexe 2). La qualité d’ajustement du modèle mesurée par FB F
JC 0
le R² est de 60 %. L’ajustement est donc meilleur que pour PL 20
l’arbre de décision (tableau IV). PP
Une procédure de validation croisée a été exécutée. SN
0
L’erreur de prévision cumulée est de 46 % supérieure dans 0
1
le cas de l’arbre de décision (tableau IV). Le modèle de
régression semble donc plus performant pour prévoir la us
d
variable « stock de carbone ». Malgré tout, l’arbre de déci- si
é 0
sion présente l’intérêt d’être facile à comprendre et à inter- r
préter avec une hiérarchisation visuelle des variables, ce qui
PL 0
en fait un outil pédagogique très intéressant et facile à s’ap- 0
PP FB 1
SN JC -
295 0
0
2
-
Tableau IV.
0.31 116.9 0 10 20 30 40
Comparaison statistique des deux méthodes.
Index
Modèle statistique R² Validation croisée
Figure 6.
Arbre de décision du modèle expliquant la quantité de
carbone stocké dans la biomasse arborée et arbustive en
Arbre de décision 51 % 66 410
mégagrammes par hectare (Mg/ha) pour les 43 points
Régression linéaire multiple 60 % 37 768 échantillonnés (mise en œuvre avec le logiciel R, package
rpart ; CORNILLONet al., 2010) et résidus du modèle (OS :
occupation du sol ; F : forêt ; FB : forêt brûlée ; JC : juquira-
capoeira ; PL : pâturage avec ligneux ; PP : pâturage propre ;
SN : sol nu).
44 BOIS ET FORÊTS DES TROPIQUES, 2013, N° 316 (2)

CARBON STOCK
Lot 108
Les stocks de carbone les plus éle-
vés se situent dans les zones les plus
A A boisées (forêts denses et forêts brûlées)
alors que les quantités les plus faibles,
comprises entre 14,52 et 87,51 Mg/ha,
correspondent aux fronts de déforesta-
Lot 302
tion de ces dernières années (figure 7).
B Ce résultat est fortement corrélé à l’arbre
de décision qui prévoyait les plus fortes
Lot 312 valeurs de stock de carbone dans les
espaces forestiers. À l’échelle des
C
fermes, de fortes disparités de quantités
de carbone stocké peuvent être obser-
B
vées. De manière sensible, les quantités
Nord 0 720 mètres de carbone stocké augmentent depuis le
front principal de déforestation, où se
situe le réseau de pistes, vers la marge
opposée de la ferme (figure 8).
Une ferme peut se scinder en trois
0.31
Quantité de carbone stocké espaces limitrophes ayant des caractéris-
dans la végétation arborée 116,9
C tiques de l’emprise anthropique diffé-
et arbustive (Mg/ha)
295 rentes, ce qui induit un impact non négli-
geable sur les mesures de carbone stocké.
En effet, les espaces situés en bordure du
réseau de pistes ont été déboisés plus
Figure 7.
anciennement et correspondent à des
Carte du carbone stocké dans la végétation arbustive et
arborée dans la zone de Pacajá (zoom sur trois fermes à titre espaces cultivés depuis les années 1990.
d’exemple) inférées à partir du modèle d’arbre de décision. Dans ces zones majoritairement pâturées,
la végétation arborée et arbustive est peu
présente. Les quantités de carbone stocké
sont donc plus faibles. En s’éloignant de
la piste, l’emprise anthropique est moins
Appropriation anthropique depuis le réseau de pistes
marquée, mais reste présente. Cela
amène à la constitution d’une mosaïque
d’espaces pâturés avec des patchs de
juquira et de capoeira. Ce sont des
espaces de transition marqués par une
forte hétérogénéité de la répartition spa-
tiale des quantités de carbone stocké.
L’emprise anthropique étant faible sur les
zones les plus éloignées de la route, les
couverts végétaux sont majoritairement
Éléments structurants du territoire forestiers et homogènes. Les quantités de
carbone stocké y sont, par conséquent,
Route ou piste Limites de la f eme
les plus importantes.
Occupation du sol dominante et ordre de grandeur La carte produite à partir du modèle
de la quantité de carbone stocké de régression linéaire présente des
valeurs de stockage de carbone plus dif-
Pâturages où le stock de carbone est très faible (0,31 Mg/ha)
férenciées sur l’ensemble de la zone de
Friche et forêt brûlée où le stock de carbone est moyen (116,9 Mg/ha) Pacajá que celles prédites par la
méthode de l’arbre de décision (figure
Forêt dense où les stocxks de carbone sont élevés (295 Mg/ha)
9). Les valeurs prédites sont plus nom-
breuses, permettant ainsi de représenter
plus finement les variations de quantité
Figure 8. de carbone stocké.
Dynamique des structures et d’occupation des sols observée À l’échelle de la localité, la carte
à l’échelle des fermes en relation avec les valeurs de
permet de distinguer de fortes quantités
carbone stocké dans la biomasse arborée et arbustive.
de carbone dans les zones les plus boi-
sées (forêts denses et forêts brûlées) et